Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 716
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
Michael, como terminaram as experiências de entropia/não-centrismo?
Meus irmãos me aconselharam a instalar o R e a colocar um par de plugins com trechos de código. Como resultado, eu parei todos os cálculos no Excel e uso pacotes prontos. Em R I fiz um cálculo do número de variáveis de entrada importantes para a saída de cada linha da tabela, e para várias saídas. Como resultado eu recebo alguma quantidade de dados dependendo do tamanho da tabela e da variável de saída. Eu escolho a saída onde eu tenho o número máximo de variáveis importantes na profundidade máxima de amostragem. Então eu treino os modelos na amostra preparada. E você sabe, em todos os anos de treinamento de IA esta é a primeira vez que os testes mostram resultados tão estáveis e satisfatórios. Mas todos os testes não terão valor se o sinal não puder ser levantado, e quando ele subir e as pessoas prestarem atenção a ele, todos começarão a ler meu artigo novamente e tentarão entender o que eu fiz e como o fiz. Afinal, não importa realmente como o fiz, desde que funcione a longo prazo. E não importa se você usa um computador ou IA. O importante é o resultado final!!!!!
E este é o elo desgastado que inicia toda a acção no mercado. É interessante observar a partir do minuto 20. É aí que ele obtém o essencial...
https://www.youtube.com/watch?v=d4XzMqHNeew
Atirei isto àqueles que acham que o meu conhecimento do mercado é ridículo. Embora eu saiba muito pouco sobre o mercado, estou olhando para ele sobriamente, sem ilusões e sem óculos cor-de-rosa. Desejo-lhe o mesmo em ......Meus irmãos me aconselharam a instalar o R e a colocar um par de plugins com trechos de código. Como resultado, eu parei todos os cálculos no Excel e utilizo os pacotes prontos. Em R Fiz um cálculo do número de variáveis de entrada importantes para a saída de cada linha da tabela, e também para várias saídas. Como resultado eu recebo alguma quantidade de dados dependendo do tamanho da tabela e da variável de saída. Eu escolho a saída onde eu tenho o número máximo de variáveis importantes na profundidade máxima de amostragem. Então eu treino os modelos na amostra preparada. E você sabe, em todos os anos de treinamento de IA esta é a primeira vez que os testes mostram resultados tão estáveis e satisfatórios. Mas todos os testes não terão valor se o sinal não puder ser levantado, e quando ele subir e as pessoas prestarem atenção a ele, todos começarão a ler meu artigo novamente e tentarão entender o que eu fiz e como o fiz. Afinal, não importa realmente como o fiz, desde que funcione a longo prazo. E não importa se você usa um computador ou IA. O importante é o resultado final!!!!!
Bem, quero dizer, neste momento, toda a pesquisa está em espera. São utilizados modelos prontos de R, contando até com um pequeno +. A seguir - abrir o sinal e, se houver dinheiro estável na bolsa, continuar a pesquisa fora dos modelos. Estou correto ao entender a situação atual?
Bem, isto é, neste momento, toda a pesquisa está em espera. Os modelos prontos de R estão sendo usados, mesmo que seja apenas para um pequeno +. Em seguida, abra o sinal e, se houver dinheiro estável na bolsa, continue a pesquisa fora dos modelos. Compreendo a situação actual correctamente?
Não. Agora a pesquisa está em pleno andamento, ou seja, testes em larga escala em conexão com novas oportunidades. Os resultados até agora são mais do que satisfatórios. O sinal já está lá, agora só preciso de o levantar :-).
Em R I estou a pré-processar os dados e a deitar fora o lixo dos dados. Como se vê, a presença de lixo na entrada degrada muito o desempenho do modelo no OOS. Após o pré-processamento, quando R me diz que essas entradas exatas têm dependência da saída, eu procuro a dependência em si no otimizador. Eu tenho cerca de 3-5 modelos, depois faço o teste de controle de cada modelo e seleciono aquele que passou no teste. Depois coloquei-o no robot e verifiquei.....
.... Acontece que a presença de lixo na entrada degrada muito o desempenho do modelo no OOS.
+100
E não só em circuito aberto.
Não. A pesquisa está agora em pleno andamento, ou seja, testes em larga escala em conexão com as novas possibilidades que surgiram. Os resultados são mais do que satisfatórios até agora. O sinal já está lá, agora só preciso de o levantar :-).
Em R I estou a pré-processar os dados e a deitar fora o lixo dos dados. Como se vê, a presença de lixo na entrada degrada muito o desempenho do modelo no OOS. Após o pré-processamento, quando R me diz que essas entradas exatas têm dependência da saída, eu procuro a dependência em si no otimizador. Eu tenho cerca de 3-5 modelos, depois faço o teste de controle de cada modelo e seleciono aquele que passou no teste. Depois coloquei-o no robô e vi como correu.....
por isso tudo o que tem de fazer é deitar fora o jpredictor e usar a abundância de modelos em R
talvez as tuas características sejam tão ardentes que qualquer modelo estaria bem com elas.
por isso tudo o que tem de fazer é deitar fora o jpredictor e usar a abundância de modelos em R
talvez os teus sinais sejam tão ardentes que qualquer modelo estaria bem com eles.
Essa é uma afirmação fundamentalmente errada. A questão é que a Reshetov apertou todos os parafusos do otimizador até o limite em termos de retreinamento. Máximas condições severas para a seleção do modelo, sem mencionar a construção aleatória de treinamento e testes. Parece-me que as porcas estão apertadas até demais, porque com a abundância de modelos de dados de entrada raramente tinha sequer um décimo de todas as entradas. MAS o que é que o R fez?
Ao pré-processar R dá, estes inputs têm algum tipo de relação com esta saída. Então R só diz sobre a existência dessa correlação, e a busca por essa correlação é feita pelo otimizador e com suas duras regras para reduzir o supertreinamento ele constrói modelos no campo de dados úteis para a saída e não é supertreinado. Pelo menos tenta..... Então é uma boa simbiose !!!!
Bem. A crítica está em alta consideração..... Boa maneira de ir.....
Diga-me, o que há de tão ridículo no meu posto? O que há de errado com isso????
Nada, apenas generalidades no estilo de Gertschik.
Fui aconselhado pelos meus irmãos da ciência a instalar o R...